딥러닝관련/Detection28 Selective Search 간단히 정리.. Selective Search - 기존의 exhaustive search의 방식의 비효율성으로 "object가 있을 법한 영역만 찾는 방법"이 제안됨 - 이를 region proposal - 이 후 detector는 1) generic detector로 candidate objects 영역을 찾기 위해 exhaustive search를 진행하고 (region proposal) 2) 이 candidate object에 대해 인식 알고리즘을 실행한다. - 그러나 이 방법도 해결해야될 점이 있다. → object들이 각기 다른 shape을 가지고 있다면 windows로 scan하여 region proposal 하는 것이 옳은 방법일까? (고정된 window 사이즈는 각기 다른 object의 size나 shap.. 2021. 12. 4. Rich feature hierarchies for accurate object detection and semantic segmentation (R-CNN) 정리 ABSTRACT R-CNN에서는 두 가지 중요한 점을 이용 (1) object를 localize 하고 segment 하기 위해 bottom-up region proposals에 CNN을 적용 (2) Labeled training data가 부족한 경우, auxiliary task에 supervised pre-training 및 domain별 fine-tuning이 상당한 성능 향상을 가져온다. Region Proposal을 CNN과 결합하기 때문에 R-CNN이라고 함. Introduction 2012년에 ImageNet challenge에서 CNN이 좋은 성적을 보인 이후 ImageNet challenge의 CNN의 classification 결과가 PASCAL VOC Challenge의 object d.. 2021. 11. 30. 병변 검출 AI 검진대회 기록 (비공개) 보호되어 있는 글 입니다. 2021. 11. 29. Object detection 정리 (1) (feat, object detection? , 1 stage detector, 2 stage detector) Recognition : 대상이 무엇인지 식별하는 것 Detection : 대상이 어디있는지 찾는 것 일반적인 image classification task에서는 가장 두드러진 object에 해당하는 단일 category로 이미지를 분류한다. 그러나 일반적인 환경에서는, 보통 복잡하고 여러 object들이 있는 사진들이 있으며, 이를 image classification model로 label을 할당하는 것은 까다롭고 불확실 할 수 있다. 따라서, object detection model은 단일 image안에서 여러 관련 object를 식별(what)하는데 더 초점을 맞추고 있다. 또한 object의 위치가 제공된다는 점(where)에서 image classification model보다 더 나은 이점을.. 2021. 11. 3.
